首页 > 分享 > 聚类

聚类

(一)选取初始数据中的k个对象作为初始的中心,每个对象代表一个聚类中心

import numpy as np

sample=np.random.randint(1,100,[50,1])

k=3

y=np.zeros(50)

def start_center(sample,k):

return sample[:3]

kc=start_center(sample,k)

(二) 对于样本中的数据对象,根据它们与这些聚类中心的欧氏距离,按距离最近的准则将它们分到距离它们最近的聚类中心所对应的类

def nearest(kc,i):

d=abs(kc-i)

t=np.where(d ==np.min(d))

return t[0][0]

nearest(kc,34)

​def xclassify(sample,y,kc):

for i in range(30):

y[i]=nearest(kc,sample[i])

return y

y=xclassify(sample,y,kc)

print(kc,y)

(三)更新聚类中心:将每个类别中所有对象所对应的均值作为该类别的聚类中心,计算目标函数的值

def kcmean(sample,y,kc,k):

l=list(kc)

flag=False

for j in range(k):

m=np.where(y==j)

print(j,sample[j])

junzhi=np.mean(sample[m])

print(kc[j],junzhi)

if l[j]!=junzhi:

l[j]=junzhi

flag=True

return(np.array(l),flag)

(四)判断聚类中心和目标函数的值是否发生改变,若不变,则输出结果,若改变,则返回2

flag=True

while flag:

y=xclassify(sample,y,kc)

kc,flag=kcmean(sample,y,kc,k)

print(y,kc)

print(sample,y)

2.鸢尾花花瓣长度做聚类分析并用散点图展示

import matplotlib.pyplot as plt

import numpy as np

data=load_iris()

data_length=data['data'][:,2]

x=data_length

y=np.zeros(x.shape[0])

kc = start_center(x,3)

flag=True

while flag:

y=xclassify(x,y,kc)

kc,flag=kcmean(x,y,kc,k)

print(y,kc)

plt.scatter(x,x,s=x,c=y,cmap='rainbow',alpha=0.5,linewidths=4)

plt.show()

  

3.用sklearm包的kmeans对鸢尾花的花瓣进行分析用散点图展示

from sklearn.datasets import load_iris

from sklearn.cluster import KMeans

import matplotlib.pyplot as plt

import numpy as np

data=load_iris()

data_length=data['data'][:,2:3]

x=data_length

k1=KMeans(n_clusters=3)

k1.fit(x)

kc1=k1.cluster_centers_

y_kmeans=k1.predict(x)

print(y_kmeans,kc1)

plt.scatter(x,np.linspace(1,150,150),c=y_kmeans,marker='x',cmap='rainbow',linewidths=4)

plt.show()

  

4.完整的鸢尾花数据分析用散点图展示

data=load_iris()

x2=data.data

k2=KMeans(n_clusters=3)

k2.fit(x2)

kc2=k2.cluster_centers_

y_kmeans2=k2.predict(x2)

print(y_kmeans2,kc2,len(y_kmeans2))

plt.scatter(x2[:,0],x2[:,1],c=y_kmeans2,marker='p',cmap='rainbow',linewidths=4)

plt.show()

  

转载于:https://www.cnblogs.com/DSJ666/p/9945559.html

相关知识

有了K均值聚类,为什么还需要DBSCAN聚类算法?
鸢尾花三种聚类算法(K
利用GMM对鸢尾花聚类
Python实现Iris数据集(鸢尾花卉数据集)meanshift聚类
聚花
基于花授粉的模糊聚类的图像分割(MATLAB)
聚天门冬氨酸功效介绍
灰色聚类方法在植物分类学中的应用——以石楠属为例
「花类工艺品」花类工艺品公司黄页
秋海棠类

网址: 聚类 https://m.huajiangbk.com/newsview545964.html

所属分类:花卉
上一篇: 人工智能
下一篇: 8步教你最有效的<数据分析